Success Stories | Business Intelligence & Data

Prognose Kündigungsaffinität GKV

Entwicklung eines Prognose- und Pseudonymisierungsalgorithmus zur Identifikation kündigungsgefährdeter Mitglieder einer Gesetzlichen Krankenkasse

Zielstellung

Nachdem auf dem Krankenversicherungsmarkt grundsätzlich eine starke Mitgliederfluktuation zu beobachten ist, wollte eine gesetzliche Betriebskrankenkasse (BKK) über die Identifikation von kündigungswilligen bzw. kündigungsgefährdeten Krankenkassenmitgliedern die Abwanderungszahlen reduzieren. Als Herausforderung konnte in diesem Zusammenhang die Gewährleistung eines branchenimmanenten, angemessenen Datenschutz-Niveaus betrachtet werden.

Lösungsweg

Nach einer umfassenden Analyse der bereits im Data Warehouse der Krankenkasse befindlichen Attribute wurden diese in einer anschließenden Untersuchung auf eine Korrelation zu einer möglichen Abwanderung untersucht. Als Ergebnis entstand ein Prognosealgorithmus zur Vorhersage der Kündigungswahrscheinlichkeit. In einem weiteren Schritt erfolgte dann die Integration des Algorithmus in Microsoft Azure Machine Learning, einen cloudbasierten Dienst für Predictive Analytics, und die Bereitstellung als Webservice. Um die hohen Datenschutzanforderungen zu gewährleisten, wurde darüber hinaus ein Pseudonymisierungsalgorithmus bestimmter personenbezogener Attribute entwickelt.

Nutzen/Erfolg für den Kunden

Der Kunde ist jetzt in der Lage, über einen Webservice die Kündigungswahrscheinlichkeit eines jeden Mitglieds abfragen zu können. Der Webservice kann zudem in die vorhandenen operativen Systeme integriert werden. Über gezielte präventive Maßnahmen besteht die Möglichkeit, der Abwanderung von Mitgliedern entgegenzuwirken und die branchenweit hohe Fluktuation reduzieren.

Eingesetzte Technologie

Transact (T)-SQL in Microsoft SQL Server 2014
R in Rstudio
Microsoft Azure Machine Learning